文献

J-GLOBAL ID：202102285285116033   整理番号：21A3307512

深層畳込みニューラルネットワークのための文脈抽出モジュール【JST・京大機械翻訳】

Context extraction module for deep convolutional neural networks

著者 (4件)： Singh Pravendra (Indian Institute of Technology Roorkee, India) ,  Mazumder Pratik (Indian Institute of Technology Kanpur, India) ,  Namboodiri Vinay P. (Indian Institute of Technology Kanpur, India) ,  Namboodiri Vinay P. (University of Bath, United Kingdom)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 122  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 畳み込み層は,入力特徴マップを,貴重な出力特性を作り出すために進化させ,そして,それらは,複雑な問題を解決する際に,深い学習方法を,著しく助ける。効率的に問題に取り組むために,深い学習解法は,モデルのパラメータが問題の複雑性によって著しく増加しないことを確実にするべきであった。点状畳込みは,多くの深層学習アーキテクチャにおけるパラメータ低減のために主に使用される。それらはカーネルサイズ1×1の畳込みフィルタである。しかしながら,点ごとの畳み込みは,その点の周りの空間情報を無視する。この設計は,全体のパラメータと計算を減らすために選択によっている。しかしながら,著者らは,ポイントワイズ畳込みのこの欠点がネットワーク性能に著しい影響を与えると仮定した。入力から空間情報を効率的に使用する点状畳込みのための新しい代替設計を提案した。この手法は,2つのスケールで入力から空間コンテキスト情報を抽出し,さらにチャネル重要度に基づいて抽出したコンテキストを精密化する。最後に,点状畳込みの出力に精密化したコンテキストを追加した。これは,コンテキスト情報を組み込むことによって,点状畳込みを改善する最初の研究である。この設計は,パラメータおよび計算の数を大幅に増大せずに,ネットワークの性能を著しく改善する。粗/細粒画像分類,少数ショット細粒分類,および物体検出に関する実験を行った。さらに,種々のアブレーション実験を行い,設計に用いた異なる成分の重要性を検証した。最後に,提案技法は,ネットワーク性能をさらに改善するために,既存の最先端のネットワーク性能改善アプローチと組み合わせることができることを実験的に示した。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  フィルタ ,  学習 ,  *ネットワーク ,  粒状材 ,  精密化 ,  チャネル ,  アブレーション ,  計算機アーキテクチャ
準シソーラス用語： 空間情報 ,  画像分類 ,  物体検出 ,  特徴マップ ,  深層学習 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 文脈的点状畳込み ,  畳込みニューラルネットワーク(CNN) ,  画像分類 ,  深層学習

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 深層畳込みニューラルネットワーク ,  文脈 ,  モジュール